1. 从生活场景理解“放苹果”问题第一次看到“放苹果”这个题目时我脑海中浮现的是小时候分水果的场景。假设有m个相同的苹果和n个相同的盘子要把这些苹果全部放到盘子里每个盘子至少放一个苹果问有多少种不同的放法。这看似简单的问题却蕴含着组合数学的精妙思想。举个具体例子有3个苹果和2个盘子可能的分配方式是(1,2)和(2,1)。但由于盘子和苹果都是相同的(1,2)和(2,1)其实是同一种分法。所以正确答案是2种。这个例子告诉我们在计算方案数时需要考虑排列组合中的“无序性”特点。这个问题在数学上被称为“整数拆分”问题即将一个正整数表示为若干个正整数之和的顺序。在实际编程解题时我们需要找到系统化的计算方法而不是靠手动枚举。这也是为什么这个问题会成为信息学奥赛中的经典题目它考察的是将实际问题抽象为数学模型的能力。2. 递推解法从简单情况开始构建2.1 递推的基本思路递推是解决这类问题的经典方法。我的经验是先从最简单的情况入手逐步构建更复杂情况的解。定义dp[i][j]表示将i个苹果放入j个盘子的方案数。初始条件很关键当苹果数为0时i0只有一种放法所有盘子都空着所以dp[0][j]1当盘子数为1时j1所有苹果只能放在这一个盘子里dp[i][1]1当苹果数为1时i1无论有多少盘子苹果只能放在其中一个里dp[1][j]12.2 递推关系的建立对于一般情况i1且j1考虑两种子情况至少有一个盘子是空的这种情况相当于把i个苹果放入j-1个盘子即dp[i][j-1]所有盘子都有苹果可以先在每个盘子放一个苹果剩下i-j个苹果再分配到j个盘子即dp[i-j][j]因此递推公式为 dp[i][j] dp[i][j-1] dp[i-j][j] (当ij时) dp[i][j] dp[i][i] (当ij时)2.3 递推实现的优化技巧在实际编码时我通常会采用预处理的方式。因为竞赛中往往是多组测试数据我们可以先把所有可能的dp[i][j]计算出来存储好这样处理查询时只需要O(1)时间。下面是一个典型的实现#includebits/stdc.h using namespace std; int dp[11][11]; // 题目通常限制m,n10 void preprocess() { for(int i0;i10;i) { for(int j1;j10;j) { if(i0 || j1) dp[i][j]1; else if(ij) dp[i][j]dp[i][i]; else dp[i][j]dp[i][j-1]dp[i-j][j]; } } } int main() { preprocess(); int t,m,n; cint; while(t--) { cinmn; coutdp[m][n]endl; } return 0; }3. 递归解法分而治之的思维3.1 递归与递推的关系递归实际上是递推的逆向思维。在教学中我发现很多同学更容易理解递归的思路因为它更符合人类自然的思考方式。递归函数solve(i,j)表示将i个苹果放入j个盘子的方案数。递归的终止条件与递推的初始条件一致i0返回1j1返回1i1返回13.2 记忆化优化普通递归会有大量重复计算我曾在测试时发现计算solve(8,8)会重复调用solve(4,4)多达20多次。这时候记忆化技术就能大显身手了int memo[11][11]; // 记忆化数组 int solve(int i, int j) { if(memo[i][j]) return memo[i][j]; if(i0 || j1 || i1) return 1; if(ij) return memo[i][j]solve(i,i); return memo[i][j]solve(i,j-1)solve(i-j,j); }记忆化后的递归效率与递推相当但代码更加直观。这也是为什么在动态规划教学中我通常建议学生先掌握递归记忆化的方法再学习递推的实现。4. 深度优先搜索直观的暴力美学4.1 DFS的解题思路DFS方法将问题转化为将整数m拆分为不超过n个正整数的和且拆分序列非递减。这种方法虽然效率不如递推但能帮助理解问题的本质。在DFS实现中我们需要记录当前剩余的数字a记录上一个拆分的数字st保证非递减记录已经拆分的数字个数numCt4.2 剪枝优化原始的DFS会有很多不必要的搜索分支。通过以下剪枝可以大幅提高效率当剩余数字a小于当前要拆分的数字i时直接跳过当已拆分数字numCt等于n且a0时说明需要超过n个数字直接返回void dfs(int a, int st, int numCt) { if(numCt n) { if(a 0) ans; return; } for(int ist; ia; i) { if(numCt1 n) break; // 剪枝 dfs(a-i, i, numCt1); } }在实际比赛中我建议只有当n较小时比如n15才使用DFS否则可能会超时。5. 动态规划更通用的解决方案5.1 完全背包视角这个问题还可以建模为完全背包问题苹果总数m是背包容量每个盘子的容量是1到m每种物品可以无限使用但要求恰好装满背包且物品数量不超过n。这种视角下的状态定义为 dp[k][i]使用前k个盘子装i个苹果的方案数转移方程 dp[k][i] dp[k-1][i] (不使用第k个盘子) dp[k][i-k] (使用第k个盘子)5.2 空间优化技巧观察状态转移方程可以发现当前状态只与前一行的状态和当前行的前面状态有关因此可以将二维数组优化为一维int dp[11] {0}; dp[0] 1; for(int k1; kn; k) { for(int ik; im; i) { dp[i] dp[i-k]; } } // 最终答案是dp[m]这种优化将空间复杂度从O(mn)降到了O(m)是竞赛中常用的技巧。不过要注意遍历顺序内层循环必须正序。6. 问题变种与扩展6.1 允许空盘的情况原题要求每个盘子至少一个苹果。如果允许空盘解法只需稍作修改。此时的总方案数等于将m个苹果放入1到n个盘子的方案数之和int total 0; for(int k1; kn; k) { total solve(m,k); // 使用之前的solve函数 }6.2 盘子各不相同的情况如果盘子是不同的比如有编号问题就变成了有序的整数划分。此时(1,2)和(2,1)被视为不同的方案。这种情况下可以直接使用完全背包的解法不需要考虑去重。6.3 苹果也各不相同的情况这是更复杂的情况涉及到排列组合中的斯特林数概念。此时不仅盘子不同苹果也不同需要完全不同的解法。这类问题通常会出现在更高级别的竞赛中。7. 竞赛实战技巧7.1 输入输出优化在处理大量测试数据时IO可能成为瓶颈。建议使用ios::sync_with_stdio(false)关闭同步使用cin.tie(nullptr)解除cin和cout的绑定考虑使用快速读写函数ios::sync_with_stdio(false); cin.tie(nullptr);7.2 边界条件处理在竞赛中我见过很多同学因为边界条件而丢分。特别注意m0且n0时通常认为有1种方案都不放当nm时等价于nm的情况题目是否允许空盘要仔细阅读7.3 时间空间估算在比赛时要快速估算算法复杂度递推/DPO(mn)时间O(mn)或O(m)空间记忆化递归同递推但常数稍大DFS最坏O(m^n)仅适用于小数据对于m,n10的情况任何方法都可以。但当m,n100时就要考虑使用优化的DP解法了。8. 从具体问题到通用模型放苹果问题实际上是整数划分的一个特例。掌握了这个问题的解法可以解决一大类相似问题比如鸣人的影分身将查克拉分成若干份硬币划分用不同硬币凑成指定金额集合划分将集合分成若干子集这类问题的核心都是将一个整体分成若干部分的计数问题。在训练时我建议同学们多做这类问题的对比练习体会其中的共性和差异。